基于BP神經(jīng)網(wǎng)絡(luò)的城市建設(shè)土地分析模型

生一恒 李京儒 張?zhí)靷? 孔令達(dá) 孫境蔚

摘 要：城市建設(shè)中土地成本的計(jì)量時較為關(guān)鍵的，但是目前來說很多模型和方法都很難將其進(jìn)行統(tǒng)籌考慮，從因此本文建立模型來對其進(jìn)行更加科學(xué)有效地評估。本文建立BP神經(jīng)網(wǎng)絡(luò)模型，對于多年數(shù)據(jù)進(jìn)行訓(xùn)練與預(yù)測，由此得到以上各指標(biāo)的變化趨勢，對于附加成本較高的指標(biāo)，采用更加科學(xué)而有效的手段對其進(jìn)行控制，由此可以判斷土地項(xiàng)目決策者的控制手段的效果。我們可以計(jì)算發(fā)現(xiàn)，從2015年到2021年，水資源、礦產(chǎn)資源和廢物總成本這三個權(quán)重較大的指標(biāo)一直在提升，從2015年的911479、628471、754840一直上升到2021年的968539、668197、791740，因此需要采取合理手段對其進(jìn)行控制，才能夠使得其成本得到控制。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)

1、Basic assumptions

各個統(tǒng)計(jì)網(wǎng)站上提供的相關(guān)數(shù)據(jù)真實(shí)有效；

本文選取指標(biāo)符合實(shí)際，客觀、科學(xué)的反映出城市人才情況；

本文選取的指標(biāo)簡單明了，均可以量化。

本文采用的BP神經(jīng)網(wǎng)絡(luò)預(yù)測法對城市未來不確定因素發(fā)生概率基本正確

2、模型分析

本文建立BP神經(jīng)網(wǎng)絡(luò)模型，對于多年數(shù)據(jù)進(jìn)行訓(xùn)練與預(yù)測，由此得到以上各指標(biāo)的變化趨勢，對于附加成本較高的指標(biāo)，采用更加科學(xué)而有效的手段對其進(jìn)行控制，同時利用BP神經(jīng)網(wǎng)絡(luò)對于控制后的成本進(jìn)行分析，由此可以判斷土地項(xiàng)目決策者的控制手段的效果。

輸入信號 通過中間節(jié)點(diǎn)（隱層點(diǎn)）作用于輸出節(jié)點(diǎn)，經(jīng)過非線形變換，產(chǎn)生輸出信號 ，網(wǎng)絡(luò)訓(xùn)練的每個樣本包括輸入向量 和期望輸出量 ，網(wǎng)絡(luò)輸出值 與期望輸出值 之間的偏差，通過調(diào)整輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)的聯(lián)接強(qiáng)度取值 和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的聯(lián)接強(qiáng)度 以及閾值，使誤差沿梯度方向下降，經(jīng)過反復(fù)學(xué)習(xí)訓(xùn)練，確定與最小誤差相對應(yīng)的網(wǎng)絡(luò)參數(shù)（權(quán)值和閾值），訓(xùn)練即告停止。此時經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)即能對類似樣本的輸入信息，自行處理輸出誤差最小的經(jīng)過非線形轉(zhuǎn)換的信息。

Step1.網(wǎng)絡(luò)初始化。給各連接權(quán)值分別賦一個區(qū)間（-1，1）內(nèi)的隨機(jī)數(shù)，設(shè)定誤差函數(shù) ，給定計(jì)算精度值 和最大學(xué)習(xí)次數(shù)M。

Step2.隨機(jī)選取第 個輸入樣本 及對應(yīng)期望輸出

Step3.計(jì)算隱含層各神經(jīng)元的輸入 和輸出 及輸出層各神經(jīng)元的輸入 和輸出

Step4.利用網(wǎng)絡(luò)期望輸出和實(shí)際輸出，計(jì)算誤差函數(shù)對輸出層的各神經(jīng)元的偏導(dǎo)數(shù) 。

Step5.利用隱含層各神經(jīng)元的 和輸入層各神經(jīng)元的輸入修正連接權(quán) 。

Step6.計(jì)算全局誤差。

Step7.判斷網(wǎng)絡(luò)誤差是否滿足要求。當(dāng)誤差達(dá)到預(yù)設(shè)精度或?qū)W習(xí)次數(shù)大于設(shè)定的最大次數(shù)，則結(jié)束算法。否則，選取下一個學(xué)習(xí)樣本及對應(yīng)的期望輸出，返回到第三步，進(jìn)入下一輪學(xué)習(xí)。

我們可以計(jì)算發(fā)現(xiàn)，從2015年到2021年，水資源、礦產(chǎn)資源和廢物總成本這三個權(quán)重較大的指標(biāo)一直在提升，從2015年的911479、628471、754840一直上升到2021年的968539、668197、791740，因此需要采取合理手段對其進(jìn)行控制，才能夠使得其成本得到控制。

在水資源成本方面：污水分流、部分排出污染水體中水量、引入清水沖污等措施雖然可以部分減輕污染水體的壓力，但是工程巨大，而且將污染轉(zhuǎn)移到分流區(qū)域，可能造成新的污染區(qū)。玄武湖和西湖的經(jīng)驗(yàn)表明，污水分流和引水沖污難以取得預(yù)期效果，藻類繁殖在短暫受抑制（3個月）后又恢復(fù)原狀。富含營養(yǎng)物質(zhì)的底泥在一定條件下會釋放出氮磷，成為水體的內(nèi)源性污染源，因而底泥挖掘一度成為富營養(yǎng)化水體治理的重要措施。然而底泥挖掘工程巨大，挖出的底泥難以進(jìn)一步處理，從經(jīng)濟(jì)上來說，這可能是最昂貴的措施。由于底泥中氮磷的吸收和釋放過程復(fù)雜，目前尚無明確認(rèn)識，底泥挖掘常常收不到預(yù)期效果。甚至因?yàn)槠茐牧怂?底部生物和水生植物環(huán)境，將深層底泥暴露，使其中所含的氮磷溶解到水體中，而在一段時期內(nèi)加深水華。玄武湖和西湖的經(jīng)驗(yàn)證明了該法弊病很多，必須慎重考慮。

在礦產(chǎn)資源成本方面：礦產(chǎn)資源高效節(jié)約利用有利于消除礦山廢棄物的環(huán)境污染和安全威脅、實(shí)現(xiàn)礦業(yè)可持續(xù)發(fā)展。目前已經(jīng)初步形成了一礦多開、吃干榨凈的“無廢生產(chǎn)”，降低了開發(fā)強(qiáng)度。將上一生產(chǎn)過程產(chǎn)生的廢物依次轉(zhuǎn)化為下一個生產(chǎn)過程的原料和能源，對固體廢棄物和尾礦開展提純、發(fā)電、填充置換資源、制備建材等再利用，對廢氣和粉塵回收發(fā)電或制備建材，對廢水循環(huán)回收利用或二次回注，使系統(tǒng)內(nèi)部企業(yè)之間形成協(xié)調(diào)、互補(bǔ)共生關(guān)系，最大限度地充分利用資源和減少對環(huán)境的負(fù)面影響，從源頭上減少了廢物排放量和再回收利用廢棄物?？偨Y(jié)推廣國內(nèi)已經(jīng)形成的礦產(chǎn)資源綜合利用先進(jìn)技術(shù)和開發(fā)模式，無疑將成為節(jié)約資源和保護(hù)生態(tài)環(huán)境的重要舉措，已經(jīng)成為當(dāng)務(wù)之急。

3 模型預(yù)測

本文利用神經(jīng)網(wǎng)絡(luò)進(jìn)行了相關(guān)預(yù)測，能以任意精度逼近任何非線性連續(xù)函數(shù)。在建模過程中的許多問題正是具有高度的非線性。在神經(jīng)網(wǎng)絡(luò)中信息是分布儲存和并行處理的，這使它具有很強(qiáng)的容錯性和很快的處理速度。神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時，能從輸入、輸出的數(shù)據(jù)中提取出規(guī)律性的知識，記憶于網(wǎng)絡(luò)的權(quán)值中，并具有泛化能力，即將這組權(quán)值應(yīng)用于一般情形的能力。

參考文獻(xiàn)

[1] Linlin Xia，Yan Zhang，Qiong Wu，Lumeng Liu. Analysis of the ecological relationships of urban carbon metabolism based on the eight nodes spatial network model[J]. Journal of Cleaner Production，2017，140.

[2] Tao Wang，Likun Xue，Peter Brimblecombe，Yun Fat Lam，Li Li，Li Zhang. Ozone pollution in China：A review of concentrations，meteorological influences，chemical precursors，and effects[J]. Science of the Total Environment，2017，575.